4 Resultados e discussões
4.6 Análise dos resultados
Tabela 13 – Resultado da alocação de aeronaves para o sexto cenário.
Sexto cenário
Como resultado ótimo encontrou-se como melhor aeronave o Airbus A220-100, obtendo-se um lucro obtendo-semanal de US$ 6.337.879,00.
4.6 Análise dos resultados
Realizados todos os cenários da simulação, pode-se fazer uma comparação entre os resultados.
Primeiramente, notou-se que dentre os sete diferentes tipos de aeronaves apenas o Bo-eing 737 MAX 7 e o Airbus A319neo não foram utilizados em nenhuma das alocações. Pressupõe-se que tal resultado Pressupõe-se deve por estas aeronaves possuírem o maior número de asPressupõe-sentos dentre as outras e, consequentemente, a chance de haver assentos vazios é muito maior.
Analisando os resultados obtidos para a máxima lucratividade possível no quinto ce-nário, seção 4.5.5, observa-se uma clara tendência na utilização de aeronaves com menores assentos. Tal resultado pode ser representado pela figura10.
Este resultado está de acordo com a pesquisa de Swan, W. M., onde o autor mostra que nos últimos anos a média do número de assentos por avião vem diminuindo, apresentando uma reação do mercado à preferência de utilização de aeronaves menores e com menos assentos (SWAN,2002).
Além disso, este resultado nos apresenta que as aeronaves que foram mais utilizadas neste cenário, ATR72-600, Embraer E190-E2 e Airbus A220-100, que são aviões que foram planejados para atender o mercado regional, estão cumprindo bem com o seu propósito, sendo os melhores para cumprir este tipo de rota.
A variação entre cenários pode ser realizada entre elas, mas as mais interessantes são as comparações entre o cenário dois, cinco e seis. Relembrando, no cenário dois apenas dois tipos de aeronaves poderiam ser utilizadas no modelo, enquanto no cenário cinco, poderia-se alocar
62 Capítulo 4. Resultados e discussões
Figura 10 – Número de alocações por assentos para o cenário com lucro máximo.
até cinco ou mais tipos de aeronaves. No sexto cenário apenas uma aeronave poderia ser usada, mas excluindo as restrições de tamanho de pista e alcance máximo que impediam o modelo de alocar apenas um tipo de avião. A tabela14ordena o lucro obtidos em cada um desses cenários.
Tabela 14 – Lucro dos cenários dois, cinco e seis.
Cenários Lucro US$
Cenário dois 6.364.304,00 Cenário cinco 6.421.892,00 Cenário seis 6.337.879,00
A primeira comparação a ser realizada foi entre os cenários dois e cinco, um apresen-tando a solução ótima para o cenário com menos aeronaves, dadas todas as restrições impostas, e o outro podendo utilizar quantos tipos de aeronaves forem possíveis. Assim, teve-se a varia-ção em dólar americano (US$) e em porcentagem, apresentado na tabela15, sendo a variação positiva, considerando o cenário cinco como mais lucrativo.
Tabela 15 – Variação entre os cenários dois e cinco.
Cenários Variação (US$) Porcentagem (%) Cenário dois
57.588,00 0,91
Cenário cinco
Visto isso, percebe-se uma variação de apenas US$ 57.588,00 nos lucros, onde ao invés de alocar dois tipos de aeronaves alocaria-se cinco, seis ou sete, com uma variação de menos
4.6. Análise dos resultados 63
de 1%. Tal mudança de dois para cinco tipos de aeronaves parece improvável, visto que quanto mais tipos de aeronaves utilizar maior serão os custos operacionais da companhia, principal-mente com treinamento de pilotos, comissários e diferentes técnicos de manutenção. Com isso, os custos para essa mudança superariam muitas vezes os ganhos.
Caso não houvesse as restrições de pista de alcance máximo das aeronaves, o Airbus A220-300 seria a melhor opção para realizar estas viagens, como visto em 4.5.6. Assim, a comparação entre alocar apenas uma aeronave (cenário seis) e duas aeronaves (cenário dois) é dado pela tabela16, onde a variação foi de US$ 26.425,00, 0,42%, sendo o cenário dois o mais lucrativo.
Tabela 16 – Variação entre os cenários dois e seis.
Cenários Variação (US$) Porcentagem (%) Cenário dois
26.425,00 0,42
Cenário seis
Neste caso, como esperado, o cenário dois foi mais lucrativo, pois tem-se mais liber-dade para alocar aeronaves. Contudo, neste caso a alocação de apenas uma aeronave pode ser mais lucrativa para a companhia. Como citado anteriormente, quanto mais aeronaves se utiliza, maior será o custo operacional para a empresa aérea. Assim, ao alocar dois tipos diferentes de aeronaves a empresa estará lucrando mais, mas em compensação os custos em obter um tipo a mais de avião será maior do que os ganhos.
Por último, tem-se os cenários mais lucrativos e menos lucrativo, tabela17, e tem-se a maior variação nos lucros, cerca de US$ 84.013,00, 1,33%. Lembrando que de acordo com a tabela14o cenário cinco é o mais lucrativo. Como a variação deste cenário é maior, é necessário realizar uma avaliação mais profundo para identificar qual seria o melhor cenário na prática, pois a variação de dois tipos de aeronaves para cinco é muito grande, provavelmente acarretando em custos de manutenção, treinamentos etc. bem maiores que os ganhos.
Tabela 17 – Variação entre os cenários cinco e seis.
Cenários Variação (US$) Porcentagem (%) Cenário cinco
84.013,00 1,33
Cenário seis
Com tudo isso apresentado, percebe-se a grande utilização das aeronaves E190-E2, A220-100 e ATR72-600, sendo os mais utilizados no modelo.
Assim, utilizando o cenário mais lucrativo de todos, o cenário cinco, obtém-se a tabela final 18 com os resultados ótimos da pesquisa e seus lucros semanais, mensais e anuais e as aeronaves utilizadas.
64 Capítulo 4. Resultados e discussões
Tabela 18 – Resultado final para o melhor dos cenários.
Melhor cenário
Resultado
Aeronave Número de rotas
E190-E2 25
E195-E2 1
A220-100 13
A220-300 1
A319Neo 0
B737-M7 0
ATR-72 18
Lucro semanal (US$) 6.421.892,00 Lucro mensal (US$) 25.687.568,00
Lucro anual (US$) 308.250.816,00
65
Conclusão
O mercado da aviação civil é extremamente competitivo, e as vezes imprevisível, onde qualquer tomada de decisão é muito importante. Desta forma, definir quais são as melhores rotas e aeronaves para cumpri-las, assim como o seu hub, pode ser a decisão que definirá se o futuro desta empresa aérea será promissor ou não.
Para isso, esta pesquisa teve como objetivo geral modelar o processo de escolha de uma malha aérea regional e de aeronaves para atendê-la, a partir de um hubem Goiânia, de forma a maximizar a lucratividade da companhia aérea. Tal objetivo foi atingido visto que a malha aérea foi definida e as melhores aeronaves para cumprir cada rota foram selecionadas por meio da modelagem computacional de pesquisa operacional com o auxílio dosoftwareLINGO.
Visando atingir o objetivo geral, o primeiro objetivo específico foi compreender os prin-cipais conceitos utilizados na aviação civil e aplicá-los de forma a encontrar os resultados neces-sários. Assim, os mesmos foram apresentados no referencial teórico após uma busca minuciosa na literatura.
O segundo objetivo específico foi compreender o processo de definição da escolha de uma malha aérea e expor a sua importância na hora do planejamento. Com isso, o mesmo foi atingido ao criar o procedimento para a escolha da malha aérea e explicar o porquê desta deliberação, visando a melhor escolha na tomada de decisão.
O próximo objetivo específico buscava definir quais eram os tipos de aeronaves mais adequados para atuarem no mercado regional da aviação. Tal objetivo foi atingido ao pesquisar na literatura o que define uma aeronave como regional e buscar quais são as principais e mais atuantes atualmente no mercado.
O quarto objetivo específico foi apresentar um guia de plano de negócios para a compa-nhia aérea. Assim, o mesmo foi apresentado no referencial teórico, após uma busca na literatura, e mostrado como uma empresa aérea deve realizar o seu planejamento antes de atuar no mer-cado.
O objetivo específico seguinte foi definir a malha aérea desta companhia indicando os melhores destinos. Com isso, o mesmo foi atingido ao identificar os destinos com as maiores demandas, nos quais houvesse pelo menos uma aeronave que pudesse cumprir esta rota, e ao adiciona-los à malha aérea.
O sexto objetivo específico visava determinar os preços das passagens aéreas para cada destino analisado, a partir da obtenção e análise de dados secundários. Assim, realizou-se uma regressão não-linear utilizando dados de preço de passagens aéreas obtidos pela ANAC. Além disso, o preço foi influenciado pela capacidade de assentos da aeronave.
66 Capítulo 4. Resultados e discussões
O último objetivo específico buscava determinar as combinações de frota de aeronaves ótimas para a malha aérea definida. Assim, para cada cenário escolhido obteve-se uma seleção de aeronaves ótimas para cumprir as rotas, objetivando a máxima lucratividade da companhia aérea.
A hipótese da pesquisa na qual apresentava a pesquisa operacional como uma boa estra-tégia para solucionar o problema de otimização e seleção das melhores malha aérea e aeronaves para uma empresa aérea regional foi confirmada ao obter-se os resultados das simulações. As-sim, confirmou-se a utilidade desta área do conhecimento na busca por soluções ótimas no mercado da aviação civil regional.
A problemática da pesquisa buscava compreender como se daria a escolha da melhor malha e melhores aeronaves para a empresa. Assim, a mesma foi solucionada ao aplicar as me-todologias empregadas e auxílio da literatura. Por fim, as melhores aeronaves e a malha aérea foram definidas e, em seguida, encontrados os melhores resultados que respondem à problemá-tica do trabalho.
A metodologia utilizada teve um design de pesquisa aplicada, com um método de pes-quisa de modelagem quantitativa. Os dados aqui utilizados foram secundários e obtidos a partir de reuniões e entrevistas com representantes da Embraer e ANAC. Tais dados eram referentes às características das aeronaves aplicadas, dados de demandas e preços das passagens aéreas.
Com isso, pôde-se restringir a população e amostras da pesquisa. Além disso, foi apresentado o modelo matemático do trabalho e suas respectivas restrições.
No entanto, identifica-se nesta pesquisa algumas limitações. A principal foi em relação aos dados obtidos. Alguns preços de passagens não continham o tipo de aeronave operada, e consequentemente o número de dados que poderiam ser utilizados foi menor do que o obtido para realizar a regressão não-linear e definir a curva doyield. Uma outra limitação foi o tempo da pesquisa. Sabe-se que um trabalho de conclusão de curso é restrito e deve ser mais limitado.
Com isso, algumas restrições que poderiam ser adicionadas ao modelo, apenas para torná-lo mais realista, não puderam ser adicionadas.
Como recomendação para pesquisas futuras, sugere-se adicionar mais restrições ao mo-delo para deixá-lo mais próximo da realidade das companhias aéreas, como por exemplo, um capital inicial e quanto pode-se gastar com compras de aeronaves, acrescentar janela de tempo e saber quantos voos uma mesma aeronave poderá cumprir em um dia, e consequentemente quantas aeronaves serão necessárias na sua empresa. Além disso, seria interessante um contato maior com companhias aéreas durante a pesquisa, para entender mais profundamente o funcio-namento deste mercado e como se dão as decisões na prática, com mais reuniões, entrevistas e possivelmente um estágio acadêmico.
67
Referências
ABARA, J. Applying Integer Linear Programming to the Fleet Assignment Problem.
Interfaces, v. 19, n. 4, p. 20–28, aug 1989. ISSN 0092-2102. Disponível em: <https:
//doi.org/10.1287/inte.19.4.20http://pubsonline.informs.org/doi/abs/10.1287/inte.19.4.20>.
Citado na página38.
ABEAR. Panorama 2017 - O setor aéreo em dados e análises. [S.l.], 2017. 93 p. Citado na página39.
ANAC. Painel de Indicadores do Transporte Aéreo 2017. 2018. 1 p. Disponível em:
<http://www.anac.gov.br/assuntos/dados-e-estatisticas/mercado-de-transporte-aereo/
painel-de-indicadores-do-transporte-aereo>. Citado 2 vezes nas páginas27e31.
ANAC, I. Institucional ANAC. 2018. 1 p. Disponível em: <http://www.anac.gov.br/A_Anac/
institucional>. Citado na página32.
ARENALES, M. et al. Pesquisa operacional: para cursos de engenharia. [S.l.]: Elsevier Brasil, 2015. Citado na página37.
BAZARGAN, M.Airline operations and scheduling. [S.l.]: Ashgate„ 2010. Citado 2 vezes nas páginas34e35.
BÉLANGER, N. et al. Periodic airline fleet assignment with time windows, spacing
constraints, and time dependent revenues.European Journal of Operational Research, v. 175, n. 3, p. 1754–1766, dec 2006. ISSN 03772217. Disponível em: <http://www.sciencedirect.
com/science/article/pii/S0377221705004741https://linkinghub.elsevier.com/retrieve/pii/
S0377221705004741>. Citado na página39.
BELFIORE, P.; FÁVERO, L. P.Pesquisa Operacional para cursos de Engenharia. [S.l.]:
Elsevier Brasil, 2013. v. 1. Citado na página37.
BETTINI, H. Um retrato da aviação regional no brasil. Journal of Transport Literature, v. 1, n. 1, 2010. Citado 3 vezes nas páginas27,31e37.
BRUECKNER, J. K.; ZHANG, Y. A Model of Scheduling in Airline Networks: How a Hub-and-Spoke System Affects Flight Frequency, Fares and Welfare.Journal of Transport Economics and Policy, Journal of Transport Economics and Policy, v. 35, n. 2, p. 195–222, 2001. Citado na página34.
CAETANO, D. J.; GUALDA, N. D. F. Solving the Integrated Schedule Generation and Fleet Assignment Problem: an ACOBased Metaheuristic Approach.Journal of Transport Literature, SciELO Brasil, v. 9, n. 3, p. 30–34, sep 2015. ISSN 2238-1031. Disponível em:<http://www.
scielo.br/scielo.php?script=sci{\_}arttext{&}pid=S2238-10312015000300030{&}lng=e>. Citado 2 vezes nas páginas38e41.
CAETANO, D. J.; GUALDA, N. D. F. Um modelo integrado para a programação de voos e alocação de frotas.Transportes, v. 19, n. 2, p. 16, 2015. Citado na página38.
COOK, G. N.; BILLIG, B. Airline Operations and Management: A Management Textbook.
[S.l.]: Routledge, 2017. Citado na página27.
68 Referências
DASKIN, M. S.; PANAYOTOPOULOS, N. D. A Lagrangian Relaxation Approach to Assigning Aircraft to Routes in Hub and Spoke Networks.Transportation Science, v. 23, n. 2, p.
91–99, may 2008. ISSN 0041-1655. Disponível em:<https://doi.org/10.1287/trsc.23.2.91http:
//pubsonline.informs.org/doi/abs/10.1287/trsc.23.2.91>. Citado na página38.
DOGANIS, R.The Airline Business. [S.l.]: Routledge, 2006. Citado 2 vezes nas páginas39 e40.
DRESCH, A.; LACERDA, D. P.; JÚNIOR, J. A. V. A.Design science research: método de pesquisa para avanço da ciência e tecnologia. [S.l.]: Bookman Editora, 2015. Citado na página41.
ELTOUKHY, A. E.; CHAN, F. T.; CHUNG, S. H. Airline schedule planning: A review and future directions.Industrial Management and Data Systems, [Eltoukhy, Abdelrahman E. E.
Chan, Felix T. S. Chung, S. H.] Hong Kong Polytech Univ, Dept Ind & Syst Engn, Hong Kong, Hong Kong, Peoples R China. Chan, FTS (reprint author), Hong Kong Polytech Univ, Dept Ind & Syst Engn, Hong Kong, Hong Kong, Peoples R C, v. 117, n. 6, p. 1201–1243, 2017.
ISSN 02635577. Citado na página36.
GIL, A. C.Métodos e técnicas de pesquisa social. [S.l.]: 6. ed. Ediitora Atlas SA, 2008.
Citado na página41.
GU, Z. et al. Some properties of the fleet assignment problem. Operations Research Letters, v. 15, n. 2, p. 59–71, mar 1994. ISSN 01676377. Disponível em: <http:
//www.sciencedirect.com/science/article/pii/0167637794900019http://linkinghub.elsevier.
com/retrieve/pii/0167637794900019>. Citado na página37.
HANE, C. A. et al. The fleet assignment problem: Solving a large-scale integer program.
Mathematical Programming, Springer, v. 70, n. 1-3, p. 211–232, 1995. Citado na página38.
HILLIER, F. S.; LIEBERMAN, G. J.Introdução à pesquisa operacional. [S.l.]: McGraw Hill Brasil, 2013. Citado 2 vezes nas páginas37e38.
JAILLET, P.; SONG, G.; YU, G. Airline network design and hub location problems.
Location Science, v. 4, n. 3, p. 195–212, oct 1996. ISSN 09668349. Disponível em:
<http://www.sciencedirect.com/science/article/pii/S0966834996000162http://linkinghub.
elsevier.com/retrieve/pii/S0966834996000162>. Citado na página44.
LEDERER, P. J.; NAMBIMADOM, R. S. Airline Network Design.Operations Research, v. 46, n. 6, p. 785–804, dec 1998. ISSN 0030-364X. Disponível em:<https://pubsonline.informs.org/
doi/abs/10.1287/opre.46.6.785http://pubsonline.informs.org/doi/abs/10.1287/opre.46.6.785>.
Citado na página44.
LOHATEPANONT, M.; BARNHART, C. Airline Schedule Planning: Integrated Models and Algorithms for Schedule Design and Fleet Assignment.Transportation Science, v. 38, n. 1, p.
19–32, feb 2004. ISSN 0041-1655. Disponível em:<https://pubsonline.informs.org/doi/abs/10.
1287/trsc.1030.0026http://pubsonline.informs.org/doi/abs/10.1287/trsc.1030.0026>. Citado na página39.
LOPES, L. F.Imagem do Embraer ERJ 145. 2019. Citado na página36.
MEDAU, J. C.; GUALDA, N. D. F. Alocação de aeronaves a voos considerando restrições operacionais, de manutenção e de desempenho das aeronaves.Transportes, v. 26, n. 2, p.
101–117, 2018. Citado na página39.
Referências 69
MORABITO, R. et al. Metodologia de pesquisa em engenharia de produção e gestão de operações. [S.l.]: Elsevier Brasil, 2018. Citado na página41.
PAI, V. On the factors that affect airline flight frequency and aircraft size. Journal of Air Transport Management, v. 16, n. 4, p. 169–177, jul 2010. ISSN 09696997.
Disponível em:<http://www.sciencedirect.com/science/article/pii/S0969699709000775https:
//linkinghub.elsevier.com/retrieve/pii/S0969699709000775>. Citado na página36.
PEREIRA, B. A.; CAETANO, M. Business model innovation in airlines.International Journal of Innovation, v. 5, n. 2, p. 184–198, 2017. Citado na página39.
REXING, B. et al. Airline Fleet Assignment with Time Windows.Transportation Science, v. 34, n. 1, p. 1–20, feb 2000. ISSN 0041-1655. Disponível em:<https://doi.org/10.1287/trsc.
34.1.1.12277http://pubsonline.informs.org/doi/abs/10.1287/trsc.34.1.1.12277>. Citado na página39.
SEBRAE.Como elaborar um plano de negócios. Brasília, 2013. 164 p. Citado na página39.
SHERALI, H. D.; BISH, E. K.; ZHU, X. Airline fleet assignment concepts, models, and algorithms. European Journal of Operational Research, v. 172, n. 1, p. 1–30, jul 2006. ISSN 03772217. Disponível em:<http://www.sciencedirect.com/science/article/pii/
S0377221705002109https://linkinghub.elsevier.com/retrieve/pii/S0377221705002109>.
Citado 2 vezes nas páginas37e38.
SUBRAMANIAN, R. et al. Coldstart: Fleet Assignment at Delta Air Lines.Interfaces, v. 24, n. 1, p. 104–120, feb 1994. ISSN 0092-2102. Disponível em:<https://doi.org/10.1287/inte.24.
1.104http://pubsonline.informs.org/doi/abs/10.1287/inte.24.1.104>. Citado na página37.
SWAN, W. M. Airline route developments: a review of history. Journal of Air Transport Management, Elsevier, v. 8, n. 5, p. 349–353, 2002. Citado na página61.
SWAN, W. M.; ADLER, N. Aircraft trip cost parameters: A function of stage length and seat capacity.Transportation Research Part E: Logistics and Transportation Review, Elsevier, v. 42, n. 2, p. 105–115, 2006. Citado na página32.
TSAI, W.-H.; KUO, L. Operating costs and capacity in the airline industry. Journal of air transport management, Elsevier, v. 10, n. 4, p. 269–275, 2004. Citado 2 vezes nas páginas32 e33.
TSAI, W.-H. H.; KUO, L. Operating costs and capacity in the airline industry. Journal of Air Transport Management, v. 10, n. 4, p. 269–275, jul 2004. ISSN 09696997.
Disponível em:<http://www.sciencedirect.com/science/article/pii/S0969699704000158https:
//linkinghub.elsevier.com/retrieve/pii/S0969699704000158>. Citado na página32.
WIKIPEDIA. Regional jet. 2019. 1 p. Disponível em: <https://en.wikipedia.org/wiki/
Regional_jet>. Citado na página36.
Apêndices
73